基于改进亲和度图的矿石颗粒图像分割研究与实现

针对矿石颗粒的图像分割,直接使用已有的图像分割算法难以满足分割要求。为了进一步提升矿石颗粒图像分割算法的有效性,采用超像素与邻域超像素之间的线性表达建立一种新的邻域亲和度图。首先,对原始图像进行过分割得到几组尺度不同的超像素,并提取超像素的颜色和纹理特征;然后,利用超像素的邻域字典来求解改进的邻域亲和度图,用以描述超像素间的相似度关系;最后,引入二部图来表达像素和超像素之间的归属关系,同时利用Tcuts(transfer cuts)算法进行分割。实验结果表明:该算法在碎矿石颗粒图像中分割效果要优于其他现有的算法,对光照变化和噪声有一定的鲁棒性。

保持纹理细节的自适应非局部均值图像降噪

主邻域字典(principal neighborhood dictionaries,PND)非局部均值(nonlocal means,NLM)是一种基于主成分分析(principal component analysis,PCA)的有效图像降噪方法,但因其未能充分利用图像的内容结构信息,对纹理细节较多区域的降噪效果较差.改进PND方法,实现基于PCA的自适应非局部均值降噪.根据图像局部内容调整滤波参数h,得到动态变化的像素间相似权值.实验结果表明,该方法能更好地保留图像纹理和边缘信息,降噪效果优于非自适应的PND方法.